Станислав Маслов, управляющий партнер и директор продакшена ZeBrains, рассказывает о технологическом прорыве в корпоративном управлении знаниями. Спойлер — ИИ-агенты способны трансформировать информационный хаос компаний в стратегический актив, позволяя буквально за минуты находить критически важную информацию, которая раньше терялась, повысить эффективность бизнес-процессов и принятия решений. в тысячах документов.
Обзор текущей ситуации с управлением информацией в компаниях
Объем корпоративных данных растет в геометрической прогрессии. Согласно прогнозу компании IDC, по итогам 2025 года объем корпоративной информации достигнет 175 зеттабайт. При этом 40% этих данных останутся полностью неструктурированными, среди них: разрозненные документы, письма, презентации, разбросанные по разным хранилищам и системам.
Неструктурированные данные существенно снижают эффективность работы сотрудников. Сотрудники тратят до 20% рабочего времени только на поиск нужной информации. В большинстве российских компаний эта проблема проявляется в схожих болевых точках:
- Информационная перегрузка — невозможность быстро находить релевантную информацию, дублирование усилий при решении типовых задач, потеря критически важных знаний при смене сотрудников.
- Низкая операционная эффективность — замедленные бизнес-процессы, неоптимальное принятие решений, высокие транзакционные издержки на коммуникации.
- Технологический разрыв — устаревшие системы управления документами, отсутствие единой корпоративной базы знаний, несовременные подходы к обработке информации.
Сегодня уже недостаточно просто накапливать данные. Критически важно превратить их в реальный актив компании. И технологии наконец-то дают такую возможность.
«Неструктурированные данные имеют ценность, но важно понимать цель их структурирования. Компании часто не задают себе вопрос “зачем?”. Внедрение культуры работы с данными требует поэтапного подхода — сначала нужно показать людям конкретную пользу на небольших примерах, будь то улучшение продаж через анализ клиентских данных или оптимизация внутренних процессов. Только увидев реальные результаты, сотрудники начинают осознанно относиться к структурированию информации».
Максим Чернухин, исполнительный директор управления технологиями СберСтрахования Жизни
Компании, которые смогли решить проблему управления данными, получают колоссальное конкурентное преимущество. Они принимают решения быстрее, основываясь на полной картине. Их сотрудники тратят время на создание ценности, а не на поиск информации. По данным McKinsey, такие организации показывают на 15-25% более высокую производительность по сравнению с конкурентами.
Эволюция работы с данными: от бумажных архивов до цифровых сотрудников
Путь развития корпоративных информационных систем прошел несколько этапов: от бумажных картотек через электронные базы данных к современным интеллектуальным системам. Развитие технологий искусственного интеллекта открывает принципиально новые сценарии использования корпоративных данных.
Так, долгое время автоматизация рутинных задач строилась на технологиях RPA (Robotic Process Automation), которые имитировали действия человека на компьютере. Хотя технология доказала свою эффективность, она имела ряд ограничений.
С развитием технологий искусственного интеллекта RPA трансформировалась в IPA (Intelligent Process Automation). В чем принципиальная разница?
RPA (робот):
- действует по строго заданным алгоритмам;
- не справляется с неструктурированными данными;
- имитирует механические действия человека;
- беспомощен в нестандартных ситуациях.
IPA (цифровой сотрудник):
- понимает контекст и принимает решения;
- работает с любыми типами данных, включая неструктурированные;
- обучается и совершенствуется;
- адаптируется к изменяющимся условиям.
Рассмотрим конкретный пример того, как IPA превосходит традиционный RPA-подход. В крупном банке ежедневно обрабатывается около 1000 заявок на потребительские кредиты. Каждая заявка требует проверки документов заявителя, анализа кредитной истории, оценки платежеспособности, проверки на fraud и принятия решения о выдаче кредита.
Решение с использованием только RPA могло:
- собрать структурированные данные из заявки;
- проверять наличие всех документов;
- сверять данные с базой данных банка;
- запрашивать кредитный скоринг;
- применять простые правила принятия решений.
Однако RPA-система имела существенные ограничения. Она не могла обработать сканы паспорта с плохим качеством, пропускала поддельные документы и не учитывала косвенные факторы при оценке платежеспособности.
В свою очередь, IPA-система обеспечивает комплексный подход:
- Клиент подает заявку через мобильное приложение.
- Система автоматически проверяет качество и подлинность загруженных документов, сверяет селфи с фото в паспорте, анализирует историю транзакций, проверяет социальные связи на предмет связей с неблагонадежными заемщиками, оценивает стабильность дохода по косвенным признакам, анализирует профиль в соцсетях, формирует комплексный скоринг.
- При явном одобрении или отказе решение принимается автоматически, в пограничных случаях — отправляется на проверку специалисту с подробным анализом всех факторов.
В результате смены RPA на IPA время обработки заявки сократилось с нескольких дней до минут, точность принятия решений выросла на 37%, а количество заявок, требующих ручной обработки, снизилось с 40% до 8%.
Трансформация управления знаниями: агентность как новая парадигма
Традиционные подходы к управлению корпоративной информацией также достигли своего предела. Классические системы документооборота, базы данных и интранет-порталы были созданы в эпоху, когда основной задачей было просто сохранить информацию.
Они прекрасно справляются с хранением структурированных данных — таблиц, отчетов, стандартизированных документов. Но сегодня большинство корпоративной информации существует в неструктурированном виде: это письма, заметки, записи разговоров, чаты, видеозаписи встреч.
Попытки структурировать эти данные традиционными методами требуют огромных ресурсов. Компании тратят тысячи человеко-часов на классификацию документов, создание тегов, заполнение метаданных. И даже после этого поиск нужной информации остается сложным, а связи между различными источниками данных теряются.
Цифровые агенты предлагают принципиально новый подход работы с неструктурированными данными. Вместо того чтобы пытаться структурировать все данные заранее, они работают с информацией в ее естественном виде. Технологии обработки естественного языка позволяют им понимать контекст, находить семантические связи и извлекать смысл из любого формата данных — будь то текст, аудио или видео.
«ИИ-ассистенты уже выходят за рамки простого поиска информации, становясь полноценными агентами в бизнес-процессах. Сегодня мы видим их активное развитие там, где есть большие массивы данных — в клиентском сервисе, маркетинге, финансах, HR и логистике. Более того, они уже способны самостоятельно находить области для оптимизации: от предиктивного обслуживания оборудования до ранней профилактики заболеваний. В результате мы получаем не только экономический эффект, но и реальное влияние на качество жизни людей».
Никита Худов, директор центра ИИ-трансформации в «Сбере»
Ключевое отличие нового поколения ИИ-систем — агентность, то есть способность действовать самостоятельно для достижения поставленных целей. Цифровой сотрудник не просто отвечает на запросы, но проактивно решает задачи, взаимодействует с корпоративными системами и принимает решения.
От чат-ботов к цифровым сотрудникам
Чат-боты первого поколения могли лишь поддерживать простой диалог по заранее прописанным сценариям. Их главная задача — отвечать на типовые вопросы, следуя жесткому алгоритму. В лучшем случае они могли перенаправить запрос человеку при выходе за рамки скрипта.
Современные цифровые сотрудники — это принципиально иной класс систем. Они взаимодействуют не только с человеком, но и с корпоративными информационными системами, бизнес-приложениями и другими агентами. Такие системы способны:
- самостоятельно извлекать релевантную информацию из массивов данных;
- формировать аналитические выводы на основе разрозненных источников;
- принимать решения в рамках делегированных полномочий;
- выполнять комплексные бизнес-процессы от начала до конца.
«Data Driven подход существует давно — от субъективных решений на основе опыта (HIPPO) компании перешли к процессному подходу, а затем к принятию решений на основе данных. ИИ-агенты не открывают этот путь, а делают его массовым, позволяя принимать объективные решения даже в самых сложных и нестандартных сценариях».
Степан Игонин, эксперт по развитию ИИ в ZeBrains
Цифровой сотрудник становится не просто инструментом поиска, а интеллектуальным партнером, который активно участвует в обработке и распространении знаний внутри организации. Он помогает превратить разрозненные данные в связную экосистему корпоративных знаний, где каждый сотрудник может мгновенно получить доступ к нужной информации в наиболее удобном формате.
Это качественно новый уровень работы с корпоративными знаниями, где:
- информация находится сама, а не ищется часами;
- связи между данными выстраиваются автоматически;
- знания активно используются, а не пассивно хранятся;
- опыт организации становится доступным каждому сотруднику.
«Уровень и скорость внедрения ИИ-решений и ассистентов у компаний базируется на двух столпах: развитость цифровой инфраструктуры и политическая воля высшего руководства. Традиционно тут себя уверенно чувствуют сектора, где много повторяющихся процессов и клиентской коммуникации – финансовый сектор, ритейл, b2c-компании. Но генеративный ИИ пошел дальше, становится возможным внедрять ИИ-ассистентов для управления сложными знаниями. И тут мы на пути системного внедрения ИИ в ТЭК, промышленность и науку».
Роберт Васильев, заместитель руководителя Ассоциации Лабораторий Развития ИИ (АЛРИИ)
Барьеры и стратегия внедрениям цифровых сотрудников
«Внедрение ИИ-ассистентов ограничено несколькими факторами. RAG-системы, несмотря на высокую стоимость, не дают ожидаемого эффекта. Также существует конфликт между безопасностью и удобством облачных решений — компании боятся передавать данные в облачные AI-системы. Главный вопрос — это баланс между затратами и результатами: сейчас ген ИИ для бизнеса — скорее технологический налог, в который нужно инвестировать, чтобы найти ценность», — поясняет Данил Ивашечкин, Head of AI «Норникель».
Успешная стратегия внедрения цифровых сотрудников включает:
- Интеграцию в цифровую стратегию компании — внедрение ИИ-агентов как неотъемлемой части общей трансформации.
- Четкие метрики эффективности — определение конкретных бизнес-показателей для объективной оценки успеха.
- Поэтапное внедрение — запуск пилотных проектов с последующим масштабированием наиболее успешных решений.
- Адаптацию бизнес-процессов — оптимизацию и перестройку рабочих потоков с учетом возможностей ИИ.
- Развитие культуры взаимодействия с ИИ — обучение сотрудников использованию цифровых ассистентов.
Компании, которые первыми освоят этот инструментарий, получат значительное конкурентное преимущество в своих отраслях.
Заключение
Внедрение корпоративных цифровых сотрудников становится важным этапом в развитии управления знаниями. Эта технология позволяет решить ключевые проблемы, с которыми сталкиваются современные организации: неструктурированность данных, сложность поиска информации и неэффективное использование накопленного опыта.
Важно понимать, что внедрение ИИ-сотрудника — это не просто технологическое решение, а часть общей стратегии цифровой трансформации компании. Успех проекта зависит от качественной подготовки данных, обучения сотрудников и интеграции с существующими бизнес-процессами.